Par définition psychologique, les biais cognitifs sont bien des réponses au stimulus constant et à l’énorme volume d’informations auxquelles nous sommes exposés en permanence. Concrètement, ce sont des raccourcis créés par le cerveau humain afin d’accélérer la prise de décisions, qui lui demandent moins d’effort de réflexion qu’un raisonnement analytique tenant compte de nombreux critères et informations. Définis comme des erreurs systématiques de jugement ou de raisonnement qui résultent d’une distorsion dans la façon dont notre cerveau traite l’information, ces biais peuvent affecter la perception, la mémoire, l’attention, la prise de décision et les jugements sociaux. Souvent inconscients, ils peuvent influencer nos décisions sans que nous nous en rendions compte et sont majoritairement relatifs à l’âge, la race, le sexe, la condition sociale, la religion, les antécédents judiciaires ou le handicap.
Dans le monde de l’entreprise, et plus particulièrement en ressources humaines, les conséquences de ces biais peut s’avérer lourdes et coûteuses. Pendant un processus de recrutement, il est catégoriquement déconseillé de se fier à ses premières impressions vis-à-vis d’un candidat pour l’évaluer. Le feeling du recruteur peut très souvent être biaisé par un de ces divers biais cognitifs, ce qui peut entraîner de passer à côté d’un pur talent et donc faire perdre à l’entreprise ses précieux services. Toute décision, notamment en recrutement, doit se baser des données objectives pour éviter des impressions automatiques, discriminatoires et souvent trompeuses, qui affectent la diversité, la richesse et le moral de quelconque organisation.
L’IA pour faire face aux biais
Conscientes des risques et retombées de ces biais, les ressources humaines fournissent de plus en plus d’efforts afin d’y remédier, notamment des campagnes de sensibilisation, des stratégies et des tactiques comme l’anonymisation des CV, un moyen entre autre pour instaurer une certaine inclusion au travail. De nos jours, et avec l’énorme développement technologique, l’intelligence artificielle se manifeste comme une solution de prédilection pour augmenter les capacités des départements de ressources humaines. Elle s’avère utile pour structurer de manière objective les processus RH, que ce soit au niveau du recrutement, de la prise de décision ou d’évaluation de la performance.
De manière générale, l’un des biais les plus répandus en matière de recrutement est le biais de confirmation, qui se produit lorsque les recruteurs recherchent des candidats qui confirment leurs hypothèses initiales sur ce que devrait être un bon candidat. Cela peut entraîner l’exclusion de candidats hautement qualifiés pour la simple raison qu’ils ne correspondent pas aux stéréotypes du recruteur. Là, l’IA peut contribuer à la réduction de ce biais en utilisant des algorithmes pour rechercher des compétences spécifiques plutôt que des caractéristiques personnelles.
En parallèle, l’IA est désormais capable d’aider à réduire le biais cognitif, qui se produit lorsque les recruteurs sont influencés par des facteurs tels que l’âge, le sexe ou la race d’un candidat. Dans ce sens, cette intelligence peut analyser les données des candidats de manière impartiale, en se concentrant sur les compétences, l’expérience et les réalisations plutôt que sur des facteurs subjectifs. Outre cela, l’IA peut aider à garantir une répartition équitable des candidatures en identifiant les sources de recrutement qui produisent un faible nombre de candidats issus de certaines minorités. En utilisant ces informations, les recruteurs peuvent ajuster leurs stratégies de recrutement pour atteindre un groupe de candidats plus diversifié.
Cela dit, la perfection n’existe nulle part et il est important de noter que l’IA peut également avoir ses propres biais. Car oui, les algorithmes sont basés sur des données et des modèles préexistants et préalablement établis, qui peuvent refléter les biais et les préjugés de la société. Il est donc essentiel que les entreprises travaillent avec des professionnels de l’IA pour concevoir des systèmes d’IA équitables et vérifier régulièrement les résultats.
